2016.4.12 nature deep learning review[2]

使用卷积神经网络进行图片理解一段，从二十一世纪开始，卷积神经网络就成功运用在了检测，切割和识别上面。这通常是在一些拥有大量标注数据的领域中得到了充分的应用。

像素级的识别能够运用在自动机器人，自动驾驶汽车等诸多领域。其他的领域包括语音识别和自然语言的理解。

直到12年之前，cnn都没有活起来，但是alexnet使得一切变成可能。最近的研究成果是一个图像识别的cnn和语言处理的rnn连接起来产生对于图片的描述。

包含大量参数的网络随着软件和硬件的提升使得训练时间从几个礼拜减少到几个小时。

而且由于其效果，使得工业界也开始发力。诸多企业进行研究，同时由于器容易使现在fpga，即可编程门阵列上，英伟达、高通等公司进行了相关研究。

 

交通信号识别

53. Ciresan, D., Meier, U. Masci, J. & Schmidhuber, J. Multi-column deep neural network for traffic sign classification. Neural Networks 32, 333–338 (2012).

生物图像切割

54. Ning, F. et al. Toward automatic phenotyping of developing embryos from videos. IEEE Trans. Image Process. 14, 1360–1371 (2005).

神经连接